《表6 10种不同输入参数组合条件下3种学习机模型预测水面蒸发量的精度指标统计结果(赣县站)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GPR、CatBoost、XGBoost三种模型预测江西地区水面蒸发量》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以赣县站的气象资料作为输入参数，GPR、CatBoost和XGBoost 3种学习机模型预测水面蒸发量的精度指标统计结果见表6。比较表6中3种学习机模型不同输入组合的各统计指标均值可知，XG-Boost模型的R2最大，RMSE、MBE的绝对值和MAE最小，其预测精度优于GPR模型和Cat Boost模型。另外，表6中3种学习机模型的MAE均接近于0，说明存在轻微的过拟合或欠拟合。当输入组合中有4个参数时（Tmax、Tmin、Rs或Ra、Sw或HR），率定期估算精度最高的为XGBoost模型（均值:R2=0.833，RMSE=0.705 mm/d，MBE=0，MAE=0.548mm/d）；而验证期估算精度最高的为GPR模型（均值:R2=0.715，RMSE=0.938 mm/d，MBE=0.042 mm/d，MAE=0.7 mm/d）。当输入组合中有3个参数时（Tmax、Tmin、Rs或Ra），率定期和验证期估算精度最高的均为XGBoost模型（均值:率定期，R2=0.833，RMSE=0.714 mm/d，MBE=0，MAE=0.554 mm/d；验证期，R2=0.692，RMSE=0.977mm/d，MBE=0.05 mm/d，MAE=0.731 mm/d）。表明XGBoost模型水面蒸发量估测值的偏离程度均小于其他两种模型。